地理空间数据和技术如何帮助疾病预防和控制
目录
地理空间数据和技术如何帮助疾病预防和控制
自2019年12月在武汉发现第一例COVID-19病例以来，不到三个月的时间，这一大流行就使整个世界屈服。随着人类共同为第二次世界大战以来最艰难的时刻做好准备，人们突然意识到尽管科学和技术取得了巨大进步，但我们的医疗保健设施仍然不足，尤其是面对未知的敌人时。在埃博拉和H1N1疫情爆发期间，即使在重大疾病爆发中，卫生基础设施也可能崩溃，即使它们的致死性没有一半。世界所需要的是一种协调一致的全球方法，以开发用于疾病预防的早期检测和响应系统，并且这种情况现在比以往任何时候都更加明显。地理空间数据和技术是不可或缺的。
“我们不知道下一次流行病何时发作，但是我相信，如果我们投资于更好的工具，更有效的早期发现系统以及更强大的全球响应系统，我们可以保护自己。还有一些有趣的进步可以利用计算的能力有助于预测流行病可能在何处出现，并为预防或控制流行病建立不同方法的模型。” -比尔·盖茨（Bill Gates），2018年4月27日
“我们在＃COVID19的未知地区。我们从未见过能够传播社区的呼吸道病原体，但也可以通过正确的措施加以遏制。了解和了解流行病是战胜流行病的第一步。” — 2020年3月2日，世界卫生组织（WHO）总干事Tedros Adhanom Ghebreyesus博士
“我们在邮件中非常清楚地指出，要解决此问题，我们确实需要找到所有情况，我们需要知道病毒的位置，以便我们可以针对最需要的区域定制方法并做到这一点。我们需要找到案例。” —世卫组织卫生应急计划传染病流行病学家Maria Van Kerkhove博士，2020年3月23日
这些只是最近的一些例子，但是位置与疾病暴发和治疗之间的关系可以追溯到远古时代。早在公元前470年，巴豆的Alcmaeon是第一位宣称水质可能影响人们健康的希腊医生。希波克拉底专着《空气，水域，地方》出版于公元前400年左右，详细讨论了水的不同来源，质量和对健康的影响。铅对水的污染一直是有关罗马时代人们健康的讨论中的一个话题。即使在那个时期，水对公共健康的间接影响也要大于直接影响，而干旱和洪水导致粮食短缺和饥荒，粮食，人和病原体最容易被水移动。
然而，在1854年，在臭名昭著的伦敦霍乱疫情中，约翰·斯诺（John Snow）博士在当地地图上绘制了死亡分布图，奠定了现代流行病学的基础，最终帮助他找到了水泵作为疫情的来源。 。“今天，疾病聚类分析，空间比较和作图仍然是疾病预测，预防和控制的重要方法，”伦敦卫生与热带医学学院气候变化与行星健康中心副主任Kristine Belesova博士强调说。
“关于位置与健康之间关系的最早可视化是1694年在意大利进行的鼠疫遏制这一主题。在接下来的225年中，地图作为一种交流工具的价值在理解和跟踪诸如黄热病，霍乱和1918年流感大流行等传染病中得到了发展。” Esri首席医学官Este Geraghty博士解释说。从1960年代开始，当计算机地理信息系统问世时，用于分析，可视化和检测疾病传播方式的可能性就大大增加了。
自2003年SARS爆发以来，全世界已经通过基于Web的工具见证了应用地理学的一场革命。有许多地图和图表显示了令人震惊的COVID-19传播，以及各国的卫生基础设施正在如何崩溃。
追踪爆发
流行病学家通常在分析位置，环境和疾病之间的关联时使用地图，并且可以肯定的是，好的流行病学和好的地理信息科学是相辅相成的。
虽然制图和野外调查是最常用的技术，但越来越多的人正在分析空间大数据的新颖来源，包括来自智能手机，社交媒体甚至个人可穿戴设备的数据，以将患者的住址转换为经度和纬度，以查明患者的住所定位在地球上，并深入了解流行病学，遗传学，社会和行为科学以及传染病。
例如，在印度南部喀拉拉邦出现第一批COVID-19病例的报告后，卫生官员团队和州灾难管理机构就开始立足于战争，以整理该州的整个监视数据。受影响的人进入实时地理地图，并在地图上跟踪，标记和识别每个主要和次要联系人。另一幅地图显示了高风险和低风险区域的分类，重点是确定疾病的可能范围的蔓延和可能在地面上的集群。
当人们面临潜在的致命疾病时，及早发现至关重要，而地理空间技术使我们能够及时发现并应对疾病。正如联合国统计司司长史蒂芬·史威芬斯特（Stefan Schweinfest）所说：“健康危机是人类的危机。提供服务的迫切需求是在地方一级。我们需要有适当的手段来帮助每个受影响的人，当然前提是我们知道他们在哪里，附近有哪些服务可以提供所需的支持。”
从数字地图和基于地理位置的技术（如地理围栏，GPS跟踪器和传感器）生成的上下文数据和地理洞察力，不仅可以对患者行为进行历史性和预测性洞察，还可以提供有关现有系统差异和效率低下的详细信息，从而简化了计划和执行HERE Technologies印度区负责人Nikhil Kumar指出：这可以使医疗保健提供者，医疗从业人员和政府机构提前为疾病爆发做好准备，从而在爆发期间为紧急情况提供支持。
当然，在当前危机时期，所有机构都通过地图和交互式可视化工具查看数据，因为“我们本能地了解映射数据的整合能力；人们受影响的地方，甚至是集中地区和聚集地。” Schweinfest补充道。在地图上绘制可以将挑战的不同维度结合在一起。一些是人口统计问题-年龄特征是什么，他们是否在有老年人的社区中，附近是否有必要的医疗服务。有些可能集中在经济活动，运输方式，环境因素和社会行为上。其他人则可能能够定义和识别感染源或“热点”，从而避免感染到各个城市，郊区和社区。所有这些要素对于了解流行病的传播，进行预测，
“我们非常清楚，这些全球性流行病是生死攸关的问题，因此，至关重要的是，最大程度地利用地理空间技术来帮助解决这些问题，”该组织前总监Barbara Ryan强调说地球观测。
利用空间信息对抗COVID-19的机会
绘制病例
图绘制已确认和活跃的病例，死亡和康复图，以识别COVID-19感染的存在和发生位置。例如，世卫组织和约翰·霍普金斯大学仪表板。绘制传播地图
启用时间的地图可以揭示感染如何随时间传播以及您可能希望针对干预措施的目标。弗吉尼亚大学生物复杂性研究所的仪表板中包含一个时间滑块，以提供有关病毒每日传播的信息。绘制易
受害人群的地图 COVID-19对某些人口统计信息产生了不成比例的影响，例如老年人和具有基本健康状况的人。绘制社会脆弱性，年龄和其他因素的地图有助于您监视所服务的高风险群体和地区。例如，Esri的StoryMaps提供了有关如何为任何社区执行此操作的说明。映射您的响应能力
映射设施，员工或公民，医疗资源，设备，商品和服务，以了解和响应COVID-19的当前和潜在影响。在美国，国土基础设施基础级数据（HIFLD）是在ArcGIS开放数据环境中提供的，使得该资源以及其他资源可供那些需要此类信息的人使用。与地图进行通信
交互式Web地图，仪表板应用程序和StoryMaps可以帮助快速地传达地面情况。多个司法管辖区通过ArcGIS Hub将其COVID-19故事变为现实。
特别是在发生流行病的情况下，使用地理空间信息技术可以实现人员跟踪，确认病例分布，网格管理和空间大数据分析，以帮助当局在流行病预防和控制方面做出明智的决策。与大数据结合使用时，地理空间信息技术可以在快速可视化，流行信息的传播，病毒源的空间跟踪，区域扩散的预测，区域风险划分，确定预防和控制优先级，确定资源控制，社交情感指导和消除恐慌，SuperMap平台中心技术总监张亚青解释说，他的公司参与了中国的COVID-19战斗行动。
通过数据可视化，疾病趋势，药物治疗和其他相关状况在地图上得以可视化。分层地图的显示实现了分层的区域管理和控制，以协助从小到大的街区管理。” SuperMap平台中心客户总监李云霞补充道。因此，形成了用于网络控制，区域子控制和社区联合控制的多级管理和控制系统，以提高政策和措施的可执行性和可靠性。
预测胜于预防
正如我们在COVID-19大流行中所看到的，甚至在SARS和MERS早期所看到的那样，以前局限于偏远地区的传染病现在能够扩展其地理范围，跳跃物种，对抗菌剂产生抵抗力并变得更具毒性并且频繁。Ryan指出，来自地球观测系统的地理空间数据与公共卫生监测的结合可用于改善公共卫生决策，政策相关分析和疾病控制。
例如，世卫组织与比尔和梅琳达·盖茨基金会合作，在全球范围内开展了一项消灭脊髓灰质炎的大规模计划，其中他们广泛使用了众包和GIS技术来预测，预防和控制该疾病的传播。
“预测模型可以通过30天，60天和90天的预测告诉我们最大需求或风险的领域。这可以帮助我们提前动员这些地区的资源，以便我们能够更快地采取行动。”天主教救济服务公司信息通信技术促进发展的数据和通信经理Kathryn M. Clifton说。与过去的事件相比，建模和数据分析可以更好地告知这些选择。
就健康而言，这是至关重要的-更好的时机可以挽救数千条生命。克利夫顿（Clifton）建议，公共卫生应遵循类似自然灾害的方法。为了避免自然灾害，首先要确定发生紧急情况风险更大的区域，并建立中心/机构以更快地做出响应。在卫生领域也可以这样做。
“我们所有人立即看到的是按位置，在特定时间点和特定特征对病毒现有传播的可视化；年龄，性别等。但是，传播的预测模型也可以捕获行为方面的信息，并且更加复杂，可以考虑到关键的地理空间要素，例如人口密度，人口统计数据和运输路线。” Schweinfest强调说。
Belesova博士指出，越来越多的地理空间数据已包含在更复杂的模型中，这些模型用于为预警系统提供信息，对疾病传播进行建模并评估公共卫生干预措施的影响。许多现代流行病学方法都基于时空分析以及时空分析，包括对地理空间和卫星数据的使用。
例如，伦敦卫生与热带医学学院的气候变化与行星健康中心使用先进的建模技术将传染病数据与气候和其他环境变化联系起来，并开发由地球观测数据驱动的预警系统。其他示例包括通过使用航空（无人机）和基于卫星的遥感数据应用地统计学和机器学习方法来识别传染病的空间和环境风险因素，以评估生态和环境变化如何影响传染病传播。
该学院还与世界资源研究所合作开发“行星健康观察”系统，该系统旨在对与全球环境变化对健康的影响，这些变化的驱动因素以及保护健康的政策对策相关的因素进行综合监测。
但是，Belesova博士警告说，在报告和可视化COVID-19病例的数据时必须小心。“这些案例尚未经过测试甚至不可见。目前，各国对这种疾病的检测能力不同，这会影响确诊病例数据中捕获的病例比例。”
同意Geraghty博士。“虽然密谋案件是了解信息的关键步骤，但诸如COVID-19大流行之类的紧急事件需要采取明智的行动。我们需要平台和工具来支持诸如收集和存储基础数据和新收集的数据，分析输入，提供决策支持，确定资源分配的优先级，执行实地工作和评估结果之类的行动。”
GeoAI进行救援
GeoAI或地理空间人工智能是一门新兴的科学学科，将空间科学，机器学习中的人工智能方法，大数据挖掘和高性能计算相结合，从空间大数据中提取知识。
GeoAI越来越多地用于建模和捕获我们周围的环境，链接我们生活和工作的地点，或与我们互动的人/元素，以探索其在影响健康结果方面的潜在作用。对GeoAI的研究也很广泛，可用于生成假设，进行新的数据链接并预测疾病的发生。
随着移动技术的发展，用户的位置可以通过手机来识别，这意味着信令数据可以获得人员的位置信息来跟踪人员的轨迹。疾病预防控制机构可以根据诊断的旅行信息来分析近距离接触者。这样，他们就可以通过数据回顾分析快速找到可疑患者并密切联系，这就是所谓的“联系跟踪”，有助于及时隔离并切断感染源。
位置分析提供了有用的工具来对行为进行建模并通知操作。从分析病毒在各地传播的遗传特征的地图，到可以感知人类运动数据的AI技术，我们可以增强对病毒传播的理解，确定是否遵循公共卫生建议，并预测是否禁止旅行格拉吉蒂博士补充说，其他措施将遏制疾病的传播。
在某些示例中，将GeoAI用于传染病建模或疾病发生的预测以及疾病监测。例如，深度学习递归神经网络被用于Google流感趋势的空间大数据和美国国家气象局的气候数据（例如降水，温度，日照），从而在美国的区域和城市空间尺度上实时进行流感预测。数据中心。使用经过人工树算法优化的人工神经网络（ANN），针对CDC流感样疾病（ILI）数据集对经过地理标记的推文进行了分析，以预测美国的实时区域性ILI。
中国早先使用机器学习通过气候数据，每周登革热病例以及对中国互联网搜索引擎百度的研究查询来准确预测2014年的登革热暴发。
近年来，人工智能的进步也引起了人们对基于社交媒体数据的实时症状监测的兴趣日益浓厚。可以将深度学习算法应用于Twitter数据，以检测疾病爆发，然后建立并显示有关这些爆发的信息（包括相关新闻文章），以提供态势感知。在美国，这已证明可以检测类似流感的症状，然后从CDC发病率和死亡率每周报告（MMWR）中得到证实。对该监视系统进行改进以纳入疾病特定信息（例如，传播方式）以增强疾病预测准确性，还有进一步的研究。
当发生重大流行病时，恐慌对社会运作的影响可能会超过病毒性疾病本身。为此，有必要通过分析大量社交媒体数据来跟踪和评估社交情绪的空间传播。例如，正如SuperMap的Li所说，当面对流行病时，公共行为可能是非理性的，高度传染性的和顺应性的。需要建立与流行病相关的情感的知识库，并从社交媒体中挖掘舆论在时间，空间和语义方面的动态演变。
通过使用互联网社交数据作为数据源，可以在基于主题模型和机器学习方法构建主题提取和情感分类框架的基础上，从与流行病相关的社会数据中获取公共主题类别。基于复杂的网络，可以构建不断变化的公共主题网络。而且，通过使用网络模型，可以表征话题情绪的公共动态变化。Zhang补充说，这些结果有助于揭示在COVID-19下公共主题视图的时间，空间和语义分布特征以及演变模式。
CARTO首席执行官Luis Sanz表示，创新的统计方法和计算工具可用于公共卫生监测，包括时空模型，用于疾病风险预测，聚类检测和与旅行有关的疾病传播，这些信息可进一步为制定疾病预防策略提供信息。减轻疾病负担。
“我们看到使用地理空间工具进行预防和遏制的趋势正在增加。由西班牙，巴西和美国的研究人员进行的这种风险分析是使用地理空间进行分析而不仅仅是可视化的一个例子，”他指出。
这三个国家的COVID-19传播风险地图旨在通过对流行病扩散进行建模，以考虑到各市之间的经常性流动方式（上下班），显示出估计到市级的流行病风险的结果。顺便说一句，由于在西班牙宣布警报状态后无法获得真实的机动性数据，因此西班牙的地图风险更新已暂时暂停。
AsistenciaCovid19应用程序是一个有趣的示例。该应用程序的主要目的是减轻人们对应急系统的压力，并在人们在家中照顾自己时跟踪症状的状态，但它还提供了一种从时空角度了解大流行的方法。由于要收集的数据中有一个位置元素，因此地方当局可以在交互式地图上可视化感染并进行地理空间分析以确定高风险区域。政府可以看到症状随时间和位置的变化，从而使它们在某些热点地区可以更快地采取行动。
Kumar指出，在过去的几年中出现了可收集合理数量的个人健康信息（例如心率模式，睡眠模式等）的可穿戴设备和连接的设备。“将这些数据集成到GIS技术中可以帮助医护人员他揭示了某些人口统计数据或居住在某些地区的个人的健康的长期地理趋势，从而开辟了医疗研究的新领域，并提供了以前无法获得的见解。”
超越可视化
目前，表面相貌地理空间工具似乎主要用于数据可视化。尽管在用于疾病预测和预防的公共卫生保健信息的空间建模中有零星的计划，但需要的是空间分析和GIS的复杂集成。
即使在将其用于预测建模的情况下，这些工作还是局部化的，还是太小而无法在全球范围内实施。最大的例子是，世界卫生组织（WHO）在其全球健康观测站内设有一个地图库，但它没有托管有关危机环境中健康状况的独家地理空间数据。一旦明确了COVID-19爆发的严重性，便已经做出了一些努力，但其中大多数是被动的而不是主动的。
有趣的是，在地理空间媒体对发展组织的内部调查中，发现与SDG相比，与土地权，环境保护，社区发展和紧急响应相比，SDG排名第三的健康不是优先领域。（图1）即使在其他方面，城市规划和基础设施，农业，自然资源等学科在应用地理空间技术方面也超过了公共和人道主义卫生科学领域。这反映在《地理空间世界商业领袖2020年展望》中出现的企业优先领域中，该调查对前100名中未提及健康的100多位CEO和商业领袖进行了调查（图2）。
医疗保健组织和医疗从业人员通常可以访问大量的操作数据，这些数据大部分都讲述了患者和治疗过程的一小部分。Kumar说，通过视觉映射和预测模型将空间技术与医学数据融合在一起，可以导致明智的治疗决策和及时的健康干预。
但是，克利夫顿指出，在卫生领域经常发生的事情是，各国政府将这些信息提供给国际卫生官员，很少有人知道这些努力。“在发展部门，我们可以更好地利用社区地图来计划社区如何应对健康危机。改进此类活动的计划非常重要，以确保有足够的资源来帮助最脆弱的人群。”她说。克利夫顿（Clifton）同意，将工作重点放在优先级上是有问题的，因为一般而言，紧急或持续性危机始终比潜在危机优先。
更糟糕的是，世界发达和发展中地区的流行病学技术使用方面存在着巨大的数字鸿沟，这不可避免地影响了流行病学研究以及其他科学活动。随着获取技术的扩展，我们需要确保以适合发展中国家用户需求的方式设计技术，并确保提供必要的培训以帮助他们充分利用技术。
然而，尽管存在这种鸿沟，数字技术仍在全球范围内得到广泛应用，并为疾病监测和控制提供了新的机会。例如，已经对移动电话的广泛使用进行了分析，以了解人类活动在肯尼亚和孟加拉国对传染病传播的作用，并且越来越多地使用基于卫星的地球观测数据来绘制处于危险和疾病负担的人口分布图，并进行调查全球风险因素。各国越来越多地采用电子健康信息系统（例如DHIS2），以收集空间参考数据。
同意Schweinfest。“在危机时刻，大流行病并不了解政治边界或人身限制。通过旅游业和航空旅行在全球范围内的传播使这一点变得十分清楚。我们更加迫切地需要全球团结：以统一，集成和可互操作的方式共享信息，共享知识和共享技术是一种实用且简单的方法，可以直观地显示全球数据到本地数据，并且能够进行连接我们所有人共同战斗。”
恢复路径
COVID-19暴发使世界各国政府越来越多地采用各种监视方法来追踪公民，以对抗大流行的蔓延。尽管在紧要关头，这很重要，但这不仅将影响数据隐私格局，还将影响我们的医疗保健系统，我们的治理，经济和社会。
美国国立卫生研究院（NIH）等组织已在资助更多有关移动成像，普适传感，社交媒体和位置跟踪的研究。预计在COVID-19之后的世界中，这种情况将会加剧，从而导致与个人数据隐私和保护相关的问题。
此外，需要有适当的关于使用人工智能的道德框架。随着AI方法在医疗保健研究中变得越来越普遍，避免出现错误发现并正确理解要建模的关系，主题专业知识的作用变得势在必行。
随着智能手机的爆炸式增长，诸如人工智能和预计的5G推出等新兴技术将确保位置数据的巨大增长，从而创建一个具有地理感知能力的世界，人们可以在该世界中追踪其附近的专家或浏览某个专家。库玛认为，使用室内地图的大型公立医院。另外，护士可以使用实时位置跟踪器监视病人从候诊室到大型医院校园内各个部门的活动。同样，管理员可以实时制定人员配备和资源配置决策，从而运行高效的护理交付系统并挽救生命。除此之外，位置数据还可用于简化住院和急救人员服务。
他补充说：“现在看来，这似乎还不算什么，但是在紧急情况下，地理空间技术可以很好地帮助通过地理围栏和将药物运送到偏远地区的无人机来监控易受伤害的人群。”
关于建立全球应对系统，现在已经有了全球对流行病的意识，就更容易获得社区的认同并动员资源在最脆弱的地区进行社区测绘和规划。
正如Geraghty博士总结的那样：“一旦我们超越了COVID-19，进入了’蓝天’，正如我的备灾同事说的那样，我希望卫生组织能够回顾从这一经验中学到的所有经验教训，并开始将全面的系统应用于下次将进一步改善响应工作的地方。”
